影像軟體與資料採集：AI 棒球如何把二維畫面，變成立體的動作

透過多台攝影機，從不同角度同時拍攝同一個動作，再透過演算法，把這些二維畫面重新整合，還原出物體在三維空間中的真實位置與軌跡。

這個過程，需要先完成攝影機之間的空間校正，確保系統知道每一台攝影機在真實空間中的相對位置與角度，才能正確地把不同角度拍到的畫面整合起來。

多視角影像採集，需要架設多台攝影機、確保每個角度都能拍到關鍵動作，並完成實際的資料採集。

多視角影像採集的常見挑戰

• 各台攝影機之間的時間同步

• 避免關鍵動作被身體或器材遮擋

• 確保不同角度的畫面都能被準確對應到同一個三維空間

以揮棒動作為例，單一角度的影像，很難完整呈現揮棒過程中身體旋轉、重心轉移的立體變化。透過多視角影像採集與三維重建，系統能還原出更接近真實情況的動作模型，讓分析結果更貼近選手實際的身體狀況，而不只是單一角度下的視覺印象。

當三維軌跡資料建立完成之後，就可以進一步計算關節角度、動作速度、身體各部位之間的相對關係——這些，都是評估動作品質的重要依據。

少一台相機、少一個角度，可能就會漏掉動作中最關鍵的細節。三維影像採集技術，讓 AI 棒球與運動科學（運科）終於能完整還原立體世界中的每一個動作細節。